基于Python的机器学习系列(14):随机森林(Random Forests)

2024-08-28 09:44

本文主要是介绍基于Python的机器学习系列(14):随机森林(Random Forests),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

        在上一节中,我们探讨了Bagging方法,并了解到通过构建多个树模型来减少方差是有效的。然而,Bagging方法中树与树之间仍然可能存在一定的相关性,降低了方差减少的效果。为了解决这个问题,我们引入了随机森林(Random Forests),这是一种基于Bagging的增强技术,通过在每个树的每个分割点上随机选择特征来进一步减少树之间的相关性。

1. Out of Bag (OOB) 评价

        在Bagging方法中,每棵树仅看到训练数据的一个子集。未被某棵树看到的数据被称为“袋外”(Out of Bag, OOB)数据。由于OOB数据对这棵树来说是完全陌生的,我们可以将其视为一种验证集,用来评估模型的性能。具体来说,在训练每棵树后,我们可以使用这棵树的OOB数据来测试其准确性,然后平均所有树的OOB准确性,得到整体模型的OOB评价分数。

2. 随机特征子集

        随机森林通过Bagging方法构建,但在每棵树的每个分割点上,只考虑特定数量的随机特征子集进行分裂。这样可以进一步去除树之间的相关性。通常,分类树中使用的随机特征子集大小为特征总数的平方根。

3. 特征重要性

        随机森林中的每棵决策树都可以计算每个特征对减少不纯度的贡献,并对所有树中的特征重要性进行平均,得到最终的特征重要性排序。这种方法可以帮助我们理解哪些特征在模型中最为重要。

4. 从零开始的实现

代码示例

# 引入必要的库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target# 分割训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, shuffle=True, random_state=42)# 实现RandomForest类
import random, math
from sklearn.tree import DecisionTreeClassifier
from scipy import statsclass RandomForest:def __init__(self, B, bootstrap_ratio, with_no_replacement=True):self.B = Bself.bootstrap_ratio = bootstrap_ratioself.with_no_replacement = with_no_replacementself.tree_params = {'max_depth': 2, 'max_features': 'sqrt'}self.models = [DecisionTreeClassifier(**self.tree_params) for _ in range(B)]def fit(self, X, y):m, n = X.shapesample_size = int(self.bootstrap_ratio * len(X))xsamples = np.zeros((self.B, sample_size, n))ysamples = np.zeros((self.B, sample_size))xsamples_oob = []ysamples_oob = []for i in range(self.B):oob_idx = []idxes = []for j in range(sample_size):idx = random.randrange(m)if (self.with_no_replacement):while idx in idxes:idx = random.randrange(m)idxes.append(idx)oob_idx.append(idx)xsamples[i, j, :] = X[idx]ysamples[i, j] = y[idx]mask = np.zeros((m), dtype=bool)mask[oob_idx] = Truexsamples_oob.append(X[~mask])ysamples_oob.append(y[~mask])oob_score = 0print("======Out of bag score for each tree======")for i, model in enumerate(self.models):_X = xsamples[i]_y = ysamples[i]model.fit(_X, _y)_X_test = np.asarray(xsamples_oob[i])_y_test = np.asarray(ysamples_oob[i])yhat = model.predict(_X_test)oob_score += accuracy_score(_y_test, yhat)print(f"Tree {i}", accuracy_score(_y_test, yhat))self.avg_oob_score = oob_score / len(self.models)print("======Average out of bag score======")print(self.avg_oob_score)def predict(self, X):predictions = np.zeros((self.B, X.shape[0]))for i, model in enumerate(self.models):yhat = model.predict(X)predictions[i, :] = yhatreturn stats.mode(predictions)[0][0]model = RandomForest(B=5, bootstrap_ratio=0.8)
model.fit(X_train, y_train)
yhat = model.predict(X_test)
print(classification_report(y_test, yhat))

5. Sklearn 实现

# 使用Sklearn中的RandomForestClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCVparam_grid = {"n_estimators": [10, 50, 100], "criterion": ["gini", "entropy"],"max_depth": np.arange(1, 10)}
model = RandomForestClassifier()grid = GridSearchCV(model, param_grid, refit=True)
grid.fit(X_train, y_train)print(grid.best_params_)yhat = grid.predict(X_test)print(classification_report(y_test, yhat))

使用随机森林的时机

优点:

  • 通过投票机制减少过拟合
  • 可以并行计算,提高计算效率
  • 适用于高维数据
  • 提供特征重要性评估
  • 能够处理缺失数据
  • 适用于不平衡数据集
  • 能够解决分类和回归问题

缺点:

  • 对回归问题效果不如分类问题
  • 随机森林模型较为复杂,解释性较差
  • 对稀有特征或结果不敏感
  • 在某些情况下,更多的样本并不会提高准确性

        在处理结构化数据时,如果你追求高准确性而不太关心可解释性,随机森林是一个很好的选择。

结语

        随机森林作为一种集成学习方法,通过结合多棵决策树并进行投票或平均来提高模型的准确性和鲁棒性。它不仅能有效地减少单一决策树容易出现的过拟合问题,还能够处理高维数据和不平衡数据集,提供有价值的特征重要性评估。尽管随机森林在某些情况下可能缺乏深度解释性,但其强大的预测能力使其在实际应用中广受欢迎。总之,随机森林是一种灵活且强大的工具,尤其适合在对解释性要求不高的情况下追求高准确性的任务。

如果你觉得这篇博文对你有帮助,请点赞、收藏、关注我,并且可以打赏支持我!

欢迎关注我的后续博文,我将分享更多关于人工智能、自然语言处理和计算机视觉的精彩内容。

谢谢大家的支持!

这篇关于基于Python的机器学习系列(14):随机森林(Random Forests)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1114409

相关文章

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步:深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》:本文主要介绍在C#中调用Python代码的两种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调

Python下载Pandas包的步骤

《Python下载Pandas包的步骤》:本文主要介绍Python下载Pandas包的步骤,在python中安装pandas库,我采取的方法是用PIP的方法在Python目标位置进行安装,本文给大... 目录安装步骤1、首先找到我们安装python的目录2、使用命令行到Python安装目录下3、我们回到Py

Python GUI框架中的PyQt详解

《PythonGUI框架中的PyQt详解》PyQt是Python语言中最强大且广泛应用的GUI框架之一,基于Qt库的Python绑定实现,本文将深入解析PyQt的核心模块,并通过代码示例展示其应用场... 目录一、PyQt核心模块概览二、核心模块详解与示例1. QtCore - 核心基础模块2. QtWid